Albumentations (Albumentations)

Albumentations
Тип	Библиотека машинного и глубокого обучения
Авторы	Александр Буслаев Владимир Иголовиков Алекс Паринов Евгений Хведщеня Михаил Дружинин
Написана на	Python
Операционные системы	Linux, macOS, Windows
Языки интерфейса	English
Первый выпуск	сентябрь 2016 (2016-09)
Последняя версия	1.3.0 (22 сентября 2022)
Репозиторий	github.com/albumentation…
Лицензия	MIT
Сайт	albumentations.ai

Albumentations — библиотека с открытым исходным кодом для аугментации изображений, созданная Александром Буслаевым, Владимиром Игловиковым и Алексом Париновым. Она предоставляет гибкий и эффективный инструмент для увеличения данных в задачах компьютерного зрения.

Аугментация данных — это метод искусственного увеличения объема набора данных за счет создания новых изображений с помощью различных преобразований, таких как вращение, масштабирование, отражение и корректировка цвета. Это улучшает работу моделей машинного обучения, обеспечивая более разнообразный набор обучающих примеров.

Albumentations, основанная на широко используемой библиотеке компьютерного зрения OpenCV, предлагают высокопроизводительные реализации различных функций обработки изображений. Библиотека также предоставляет богатый набор функций преобразования изображений и простой API для их объединения, позволяя пользователям создавать индивидуальные конвейеры аугментаций, подходящие для их задач.

Внедрение

С момента создания в 2018 году Albumentations зарекомендовала себя в сообществе компьютерного зрения и глубокого обучения, находя применение в академических исследованиях, открытых проектах и соревнованиях по машинному обучению.

Научная работа о библиотеке «Albumentations: быстрые и гибкие аугментации изображений» получила более 1000 цитирований, подчеркивая ее значимость в области компьютерного зрения. Библиотека также стала основой для более 12 000 пакетов, указанных на странице зависимостей GitHub.

Кроме того, Albumentations применялась во многих победительских решениях соревнований по компьютерному зрению, включая конкурс DeepFake Detection на Kaggle с призом в 1 миллион долларов.

Пример

Следующий простой пример показывает функциональность библиотеки:

import albumentations as A
import cv2

# Declare an augmentation pipeline
transform = A.Compose([
    A.RandomCrop(width=256, height=256),
    A.HorizontalFlip(p=0.5),
    A.RandomBrightnessContrast(p=0.2),
])

# Read an image with OpenCV and convert it to the RGB colorspace
image = cv2.imread("image.jpg")
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# Augment an image
transformed = transform(image=image)
transformed_image = transformed["image"]